جي بي تي-4 و جي بي تي-4o
كان GPT-4 (2023) نموذجًا كبيرًا متعدد الوسائط متطورًا من OpenAI يمكنه قبول الصور بالإضافة إلى النصوص، كما جعله GPT-4o (2024) أسرع وأرخص وأكثر قدرة على التعامل مع الصوت والرؤية والنص في نموذج واحد.
نظرة عامة
Together they defined the modern era of ChatGPT.
الغوص العميق
كان GPT-4، الذي تم إصداره في مارس 2023، بمثابة قفزة كبيرة مقارنة بـ GPT-3.5: فقد سجل أعلى النسب المئوية في اختبارات مثل اختبارات الشريط وAP، وتعامل مع مطالبات أطول بكثير، ويمكنه التفكير في الصور. أضاف GPT-4 Turbo لاحقًا نافذة سياق 128 ألف رمز مميز وأسعار أرخص. في مايو 2024، قدمت OpenAI GPT-4o، حيث يشير الحرف 'o' إلى 'omni'، وهو نموذج واحد تم تدريبه بشكل شامل عبر النص والصوت والرؤية. كان الوضع الصوتي السابق يربط بين ثلاثة نماذج منفصلة (تحويل الكلام إلى نص، ثم GPT، ثم تحويل النص إلى كلام)، مما أدى إلى إضافة تأخر؛ يقوم GPT-4o بمعالجة الصوت مباشرة، مما يتيح إجراء محادثة منطوقة في الوقت الفعلي تقريبًا بنبرة عاطفية والقدرة على المقاطعة. كما أنه أسرع بمرتين تقريبًا ونصف تكلفة GPT-4 Turbo عبر واجهة برمجة التطبيقات (API)، وقد جعله OpenAI متاحًا لمستخدمي ChatGPT مجانًا، مما أدى إلى توسيع نطاق الوصول بشكل كبير.
البصيرة الفنية
كلاهما عبارة عن نماذج محولات مخصصة لوحدة فك التشفير فقط، تم تدريبها على التنبؤ بالرمز المميز التالي، ثم يتم تحسينها باستخدام التعلم المعزز من ردود الفعل البشرية (RLHF) لاتباع التعليمات والتصرف بأمان. التقدم الحاسم في GPT-4o هو تعدد الوسائط من طرف إلى طرف: فبدلاً من توجيه الكلام من خلال نماذج النسخ والتوليف المنفصلة، تستوعب إحدى الشبكات الرموز الصوتية وتصدرها مباشرة، مع الحفاظ على النغمة والتوقيت والإشارات غير اللفظية مع تقليل زمن الوصول إلى سرعة المحادثة تقريبًا (بضع مئات من المللي ثانية).
التأثير الاستراتيجي
استراتيجية البائع
تؤثر خرائط طريق البائع على الميزات التي يمكن لفريقك إنشاءها بعد ذلك.
التكلفة والميزانية
تؤثر الشروط التجارية وخيارات النشر على التكلفة والمخاطر على المدى الطويل.
المخاطر والسلامة
تعمل حوافز الشركة على تشكيل الإعدادات الافتراضية للمنتج، ووضعية السلامة، والانفتاح.
مستقبل GPT-4 وGPT-4o
قام GPT-4o بتعيين القالب للمساعدين متعددي الوسائط في الوقت الفعلي، ويدفع خلفاء OpenAI إلى مزيد من التفكير (نماذج "التفكير" من السلسلة o التي تتداول قبل الإجابة)، والسياق الأطول، واستخدام الأدوات الوكيلة. توقع تكاليف أقل، وتفاعلًا أكثر ثراءً في الصوت والفيديو في الوقت الفعلي، وتكاملًا أكثر إحكامًا للتطبيقات والأجهزة، ونماذج تتحول بسلاسة بين الاستجابات السريعة والتفكير البطيء والدقيق اعتمادًا على صعوبة المهمة. وسيستمر الجيل المتعدد الوسائط، الذي ينتج الصور والصوت محليًا، في التوسع.
التنفيذ في العالم الحقيقي
إجراء محادثة منطوقة في الوقت الفعلي تقريبًا باستخدام وضع الصوت المتقدم لـ ChatGPT، بما في ذلك مقاطعة المحادثة في منتصف الجملة
تحميل صورة لمحتويات الثلاجة ومطالبة GPT-4o باقتراح وصفات
لصق عقد قانوني طويل في نافذة سياق 128 ألف رمز مميز للتلخيص وتحديد المخاطر
استخدام القدرة على الرؤية لقراءة وشرح مخطط أو ملاحظة مكتوبة بخط اليد أو لقطة شاشة لرسالة خطأ
المخاطر والدرابزين
قد تتجاوز إعلانات الإطلاق الاستقرار في سير عمل الإنتاج الحقيقي.
يمكن أن يؤدي تسعير واجهة برمجة التطبيقات (API) أو تغيرات السياسة إلى كسر الافتراضات بين عشية وضحاها.
يؤدي الاعتماد على بائع واحد إلى زيادة تكاليف الحجز والترحيل.
خارطة طريق التنفيذ
قم بتقييم مقدمي الخدمة باستخدام المهام ومجموعات البيانات الخاصة بك.
راجع الخصوصية والأمان والمصطلحات القانونية قبل التكامل.
احتفظ بخطة احتياطية عبر النماذج أو البائعين.
راقب ملاحظات الإصدار حتى لا تفاجئ التغييرات في خارطة الطريق الفرق.
استمر في الاستكشاف
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the GPT-4 and GPT-4o quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
الدليل التالي
OpenAI GPT-4.5 وGPT-5
الأسئلة المتداولة
What is GPT-4 and GPT-4o?
كان GPT-4 (2023) نموذجًا كبيرًا متعدد الوسائط متطورًا من OpenAI يمكنه قبول الصور بالإضافة إلى النصوص، كما جعله GPT-4o (2024) أسرع وأرخص وأكثر قدرة على التعامل مع الصوت والرؤية والنص في نموذج واحد. لقد حددوا معًا العصر الحديث لـ ChatGPT.
ما الذي يرمز إليه حرف "o" في GPT-4o؟
يرمز الحرف "o" إلى "omni"، مما يعكس أن GPT-4o هو نموذج واحد يتعامل مع النص والصوت والرؤية معًا.
لماذا يعد وضع الصوت في GPT-4o أسرع من ميزة الصوت السابقة في GPT-4؟
كان الوضع الصوتي السابق مقيدًا بثلاثة نماذج منفصلة، مما أدى إلى إضافة تأخير. يتعامل GPT-4o مع الصوت من طرف إلى طرف في شبكة واحدة، مما يقلل زمن الوصول إلى سرعة المحادثة القريبة.
ما هو نوع الإدخال الرئيسي الجديد الذي قدمه GPT-4 عبر GPT-3.5 عند الإطلاق؟
كان GPT-4 نموذجًا كبيرًا متعدد الوسائط يمكنه قبول مدخلات الصور بالإضافة إلى النص، وهي القدرة التي يفتقر إليها GPT-3.5.
ما حجم نافذة السياق الذي قدمه GPT-4 Turbo؟
قام GPT-4 Turbo بتوسيع نافذة السياق إلى 128 ألف رمز، مما يسمح بمستندات ومحادثات أطول بكثير.
ما هي تقنية التدريب المستخدمة لجعل GPT-4 وGPT-4o يتبعان التعليمات ويتصرفان بأمان؟
بعد التدريب المسبق للرمز المميز التالي، يتم تحسين النماذج باستخدام RLHF، باستخدام التفضيلات البشرية لتشكيل سلوك مفيد وآمن لمتابعة التعليمات.